《表1 基于卷积注意力模块的遥感图像分类框架的参数配置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积注意力模块的端到端遥感图像分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本研究提出了一种基于卷积注意力模块的遥感图像分类框架，框架结构如图3所示。其中，框架的主干部分由ResNet101构成，其部分参数采用在ImageNet中预训练好的参数进行初始化，并在训练过程中进行微调。该设置方法使框架能够利用ImageNet中丰富的图像特征，提升框架的分类精度。ResNet101由一系列残差模块组成，残差网络模块如图4所示。其中，参数层的数量在ResNet101网络不同层中有所变化。框架的参数配置见表1，与普通ResNet101的区别为，在ResNet101的中间层中插入了4个CBAM模块，且最后全连接层根据数据集场景类别的不同会发生变化（NW-PU-RESISC45为45，PatternNet为38）。